Perplexity: Embed V1 4B

Perplexity: Embed V1 4B to model osadzania tekstu od Perplexity, udostępniony przez dostawcę 16 marca 2026. Należy do kategorii osadzania, a nie do kategorii czatu, co oznacza, że nie generuje odpowiedzi konwersacyjnych. Zamiast tego zamienia tekst na reprezentacje wektorowe, które przechowujesz i przeszukujesz. Liczba 4B w nazwie odnosi się do liczby parametrów tego wariantu, a Perplexity pozycjonuje rodzinę pplx-embed-v1 jako state of the art dla wyszukiwania w skali internetowej w rzeczywistych zastosowaniach, przy czym model 4B maksymalizuje jakość wyszukiwania w ramach tej rodziny.

Model przyjmuje tekst jako jedyny modalność wejściowy i zwraca osadzenia jako jedyny modalność wyjściowy. Obsługuje długość kontekstu 32000 tokenów, więc pojedyncze żądanie może objąć długi dokument, a nie krótki fragment. Zgłaszane maksymalne wyjście to 28800. Ponieważ wyjściem jest wektor, a nie proza, nie ma etapu generowania tekstu ani zachowania próbkowania do dostrojenia. Wysyłasz tekst, otrzymujesz reprezentacje liczbowe, i to właśnie te reprezentacje niosą znaczenie semantyczne danych wejściowych.

Praktyczne zastosowania wynikają bezpośrednio z gęstego wyszukiwania. Możesz osadzić korpus dokumentów lub stron internetowych i zapisać wektory w bazie danych wektorów, a następnie osadzić zapytanie użytkownika i wyszukać najbliższych sąsiadów. Ten wzorzec obejmuje wyszukiwanie semantyczne, potoki generowania wspomaganego wyszukiwaniem, w których model językowy potrzebuje odpowiednich fragmentów przed udzieleniem odpowiedzi, deduplikację i wykrywanie niemal duplikatów, grupowanie i klastrowanie tematyczne, klasyfikację przez porównywanie wektorów z oznaczonymi przykładami oraz funkcje rekomendacji lub podobieństwa. Kontekst 32000 tokenów jest przydatny, gdy jednostki, które chcesz indeksować, są długie: pełne artykuły, strony dokumentacji lub długie wątki wsparcia, a nie pojedyncze zdania.

Wywoływanie modelu przez api14 działa tak samo jak w przypadku każdego innego modelu w bramie, ponieważ api14 udostępnia API zgodne z OpenAI. Ustawiasz identyfikator modelu na perplexity/pplx-embed-v1-4b w żądaniu i wysyłasz tekst jako dane wejściowe. Ponieważ punkt końcowy jest zgodny z OpenAI, istniejące biblioteki klienckie OpenAI i ścieżki kodu generalnie działają po zmianie tylko bazowego adresu URL, klucza i identyfikatora modelu. Model nie zgłasza żadnych obsługiwanych parametrów, więc nie ma dodatkowych opcji, takich jak temperature czy top_p, do skonfigurowania; żądanie to zasadniczo tekst na wejściu i osadzenia na wyjściu.

Jedną rzeczą, którą należy zaplanować, jest brak obsługiwanych parametrów. Jeśli Twój przepływ pracy zależy od dostrajania zachowania generowania, to nie jest właściwy model, ponieważ produkuje osadzenia i nic więcej. Jest to również model jednomodalny, więc nie obsługuje obrazów ani dźwięku. Jeśli Twoim zadaniem jest generowanie, streszczanie lub dialog, a nie wyszukiwanie, właściwym wyborem jest model czatu lub uzupełniania, a ten model osadzania najlepiej pasuje jako warstwa wyszukiwania obok niego.